模糊PID控制器设计

模糊PID控制器0引言：PID控制作为一种典型的传统反馈控制器，以其结构简单，易于实现和鲁棒性好等特点Kp、Ki、Kd三个参数的在工业过程控制中广泛应用。但是传统PID控制器的参数需要被控对象的数学模型来进行调整，而控制过程中的滞后性、控制参数的非线性和高阶陛增加了对调整难度。所以对确定的控制系统通过复杂的计算后，其三个参数的值在控制运行中一般是固定的，不易进行在线的调整。而在实际的工业生产过程中，许多被控对象受到负荷变化和干扰因素的作用，其对象参数的特征和结构易发生改变，这就需要对参数进行动态的调整。同样因为被控系统的复杂性和不确定性，其精确的数学模型难以建立，甚至无法建立模型，所以需要利用模糊控制技术等方法来解决。模*®PID无需考虑被控系统的模型，而只根据其误差e和误差变化ec等检测数据来自适应调整Kp、Ki、Kd的值，最终使被控系统处于稳定工作态。1、传统PID控制器：PID参数模糊自整定是找出PID中3个参数与e和ec之间的模糊关系，在运行中通过不断卞^测e和ec,根据模糊控制原理来对3个参数进行在线修改，以满足不同e和ec时对响应速度、超Kp越大，系统的响Kp取值过小，控制参数的不同要求，而使被控对象有良好的动稳态性能。从系统的稳定性、调量和稳态精度等方面来考虑Kp,Ki,Kd的作用如下：(1)比例系数Kp的作用是：加快系统的响应速度，提高系统的调节精度。应速度越快，系统的调节精度越高，但易产生超调，甚至导致系统不稳定；则会降低调节精度，使响应速度缓慢，从而延长调节时间，使系统静态、动态特性变坏。(2)积分作用系数Ki的作用是：消除系统的稳态误差。Ki越大，系统的稳态误差消除越快，但Ki过大，在响应过程的初期会产生积分饱和现象，从而引起响应过程的较大超调；若Ki过小，将使系统稳态误差难以消除，影响系统的调节精度。(3)微分作用系数Kd的作用是：改善系统的动态特性。其作用主要是能反应偏差信号的变化趋势，并能在偏差信号值变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减少调节时间。2、2.1模糊PID参数自整定控制器设计控制器结构：2.2由PID各个参数对系统的影响得到:(a)当误差|e|较大时，说明误差的绝对值较大，不论误差的变化趋势如何，都应该考虑控制器的Kp取较大值，以提高响应的快速性；而为防止因为|ec|瞬时过大，kd应该取较小的值；为控制超调，ki也应该取值很小。(b)当误差回在中等大小时，为保证系统的相应速度并控制超调，应减小Kp,Ki值应增大,Kd应适中。(c)当误差|e|较小时，为保证系统具有良好的稳态特性，应加大Kp、Ki的取值，同时为避免产生振荡，Kd的取值应该和|ec|联系起来。模*®PID控制根据系统运行的不同状态，考虑KpKi、Kd三者的关联，根据 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 经验设计模糊整定这三个参数，选择输入语言变量为误差e和偏差变化率ec,语言变量值取｛NB,NMNG0,PS,PMPB｝七个模糊值；选择输出语言变量为△Kp,△Ki,AKd语言变量值也取｛NB,NMNS,0,PS,PMPB｝七个模糊值，建立△Kp,△Ki,△Kd的模糊规则。2.3设计模糊控制器在MATLA腌令空间输入fuzzy,弹出对话框，然后进行设置，如图:设置为两输入三输出结构。根据经验设置输入输出的隶属度函数都为:设置完隶属度函数后，按照上述三个模糊规则表格设置模糊规则，如图出RuleEditorzhinengkongz：FileEditViewOptions设置完毕后，保存文件“zhinengkongz.fis”至磁盘，留给仿真调用，生成的文件为:[System]Name='zhinengkongz'Type='mamdani'Version=2.0NumInputs=2NumOutputs=3NumRules=49AndMethod='min'OrMethod='max'ImpMethod='min'AggMethod='max'DefuzzMethod='centroid'[Inputl]Name='e'Range=[-33]NumMFs=7MF1='nb':'zmf,[-3-1]MF2='nm':'trimf,[-3-20]MF3='ns':'trimf,[-3-11]MF4='zo':'trimf,[-202]MF5='ps':'trimf,[-113]MF6='pm':'trimf,[023]MF7='pb':'smf,[13][Input2]Name='ec'Range=[-33]NumMFs=7MF1='nb':'zmf,[-3-1]MF2='nm':'trimf,[-3-20]MF3='ns':'trimf,[-3-11]MF4='zo':'trimf,[-202]MF5='ps':'trimf,[-113]MF6='pm':'trimf,[023]MF7='pb':'smf,[13][Output1]Name='kp'Range=[-33]NumMFs=7MF1='nb':'zmf,[-3-1]MF2='nm':'trimf,[-3-20]MF3='ns':'trimf,[-3-11]MF4='zo':'trimf,[-202]MF5='ps':'trimf,[-113]MF6='pm':'trimf,[023]MF7='pb':'smf,[13][Output2]Name='ki'Range=[-33]NumMFs=7MF1='nb':'zmf,[-3-1]MF2='nm':'trimf,[-3-20]MF3='ns':'trimf,[-3-11]MF4='zo':'trimf,[-202]MF5='ps':'trimf,[-113]MF6='pm':'trimf,[023]MF7='pb':'smf,[13][Output3]Name='kd'Range=[-33]NumMFs=7MF1='nb':'zmf,[-3-1]MF2='nm':'trimf,[-3-20]MF3='ns':'trimf,[-3-11]MF4='zo':'trimf,[-202]MF5='ps':'trimf,[-113]MF6='pm':'trimf,[023]MF7='pb':'smf,[13][Rules]11,715(1):112,713(1):113,621(1):114,651(1):115,531(1):116,442(1):117,445(1):121,715(1):122,713(1):123,621(1):124,532(1):125,532(1):126,443(1):127,344(1):131,614(1):132,623(1):133,632(1):134,532(1):135,443(1):136,353(1):137,354(1):141,624(1):142,623(1):143,533(1):144,443(1):145,353(1):146,263(1):147,264(1):151,524(1):152,534(1):153,444(1):154,354(1):155,354(1):156,264(1):157,274(1):161,547(1):162,443(1):163,355(1):164,255(1):165,265(1):166,275(1):167,177(1):171,447(1):172,446(1):173,256(1):174,266(1):175,265(1):176,175(1):177,177(1):13、系统仿真设控制对象为：G(s)=25/sA2+6s+25通过程序(含注释)仿真如下：clearall;clc;a=readfis('zhinengkongz');%ts=0.001;%sys=tf(25,[1,6,25]);%读取设定的FIS模糊控制器抽样时间为1MS构造系统G(s)=25/sA2+6s+25dsys=c2d(sys,ts,'z');%离散化[num,den]=tfdata(dsys,'v');%得到系数姒置系统初值u1=0;u2=0;y1=0;y2=0;x=[0,0,0]；e1=0;ec1=0;Kp0=0.3;Ki0=2;Kd0=1;fork=1:5000;%仿真5stime(k尸k*ts;r(k)=1;%输入阶跃信号fpid=evalfis([e1,ec1],a);%模糊推理Kp(k)=Kp0+fpid(1);%得到新的参数Ki(k尸Ki0+fpid(2);输出系统输出Kd(k)=Kd0+fpid(3);u(k尸Kp(k)*x(1)+Ki(k)*x(2)+Kd(k)*x(3);%PIDy(k)=-den(2)*y1-den(3)*y2+num(1)*u(k)+num(2)*u1+num(3)*u2;%e(k)=r(k)-y(k);%计算误差u2=u1;u1=u(k);%更新数据y2=y1;y1=y(k);x(1)=e(k);%对应KPx(2)=x(2)+e(k)*ts;%对应KIx(3)=e(k)-e1;%对应KDec1=e(k)-e1;%重新计算ece1=e(k);%重新计算eend%丁印输出figure。)；plot(time,y,'g',time,r,'r');gridon;xlabel('time(s)');ylabel('y');figure(2)plot(time,Kp,'r');xlabel('time(s)');ylabel('Kp');gridon;figure(3)plot(time,Ki,'b');gridon;xlabel('time(s)');ylabel('Ki');figure(4)plot(time,Kd,'g');xlabel('time(s)');ylabel('Kd');gridon;结果显示：y输入输出对比图自动调整曲线KP自动调整曲线Ki自动调整曲线Kd可以看出，系统输出具有较好的超调量和调节时间，没有稳态误差，达到了理想的效果。4、结束语模糊自调整PID是在常规PID算法的基础上，通过计算当前系统误差e和误差变化ec,利用模糊推理系统（FIS）,查询模糊矩阵表进行参数调整，该方法实现简单、方便易用，对实际控制有重要指导意义。同时，利用模糊逻辑工具箱设计的模糊控制器，能方便地修改输入输出的论域、模糊子集、隶属度函数及模糊控制规则等，突破了传统方法需要编制大量程序的做法。用模糊推理的方法在动态过程中改变PID的参数，能够发挥两种控制方式的优点，克服两者的缺点，提高控制质量。